Що таке Протокол Контексту Моделі (MCP)?

TheПротокол контексту моделі (MCP) - це відкритий стандарт, розроблений@AnthropicAIяка революціонізує спосіб підключення моделей AI до зовнішніх джерел даних та інструментів. Спочатку вплив стандарту був повільним, але з тих пір @OpenAIприйнявши його ще на початку цього року, він стрімко розповсюджується. Часто його порівнюють з "USB-C портом для AI агентів" - він забезпечує єдиний метод підключення їх до різних інструментів та джерел даних, спрощуючи взаємодію штучного інтелекту з зовнішніми ресурсами.

Замість того, щоб розробники створювали спеціальні інтеграції для кожного джерела даних або інструменту, MCP встановлює стандартизований протокол зв'язку між моделями AI (клієнтами) та постачальниками даних/інструментів (серверами). Мета полягає в тому, щоб допомогти фронтовим моделям створювати кращі, більш відповідні відповіді, підключаючи їх до систем, де знаходяться дані, включаючи репозиторії вмісту, бізнес-інструменти та середовища розробки.

На своїй основі MCP вирішує фундаментальне обмеження великих мовних моделей (LLM), які відірвані від реальних даних і не можуть безпосередньо діяти зовнішньо. MCP дозволяє системам штучного інтелекту динамічно виявляти та спілкуватися з доступними інструментами, підтримуючи постійний двосторонній зв'язок між моделями та зовнішніми системами. Це особливо важливо і потужно для надання автономним агентам штучного інтелекту більш міцних можливостей, особливо в сфері DeFi.

Як MC PТ Optимізує AI Агентів в DeFi

MCP значно розширює можливості штучного інтелекту в DeFi, спрощуючи процеси обробки та взаємодії агентів з реальними даними. MCP дозволяє штучному інтелекту динамічно отримувати доступ до зовнішніх потоків даних, таких як ринкові дані, з джерел, таких як реляційні бази даних та API. Це полегшує агентам усмоктування останніх подій та покращує їх можливість приймати обґрунтовані рішення. Інтегруючи різноманітні джерела даних в реальному часі, агенти можуть аналізувати складні показники даних та пристосовуватися до зміни ринкових умов – критичне завдання для використання у випадках, таких як забезпечення ліквідності.

MCP також підвищує ефективність агентів штучного інтелекту, дозволяючи інструментам вживати заходів. Агенти можуть не тільки отримувати дані із зовнішніх систем, але й надсилати оновлення або дії назад у ці системи, як-от виконання смарт-контрактів або оновлення позицій ліквідності. Це дає агентам можливість автономно реалізовувати стратегії DeFi, що робить їх більш ефективними суб'єктами у просторі. Усуваючи потребу в індивідуальній інтеграції для кожного інструменту або джерела даних, MCP зменшує складність і прискорює розгортання DeFi-рішень на основі штучного інтелекту. Це дозволяє агентам швидко адаптуватися, масштабуватися та реагувати на нові можливості, підвищуючи загальну ефективність операцій DeFi.

MCP чудово підходить для надання цих основних можливостей для агентів - інструменти для отримання даних та вживання дій. Але, навпаки, він не дуже підходить для координації або спілкування агентів між собою. На відміну від інструментів, агенти не призначені для виконання жорстких команд через фіксований API. Вони природно гнучкі, використовуючи природну мову для виконання різноманітних можливостей та оркестрування взаємодій, які часто включають спільні стани. Я розгорну це в розділі "MCP прискорює потребу в координації рою агентів" нижче.

Для тих, хто новий у цьому понятті, провідний голос промисловості @S4mmyEthнаписав докладну статтю про MC, назвавши її "великим розблокуванням для криптовалюти та відкритого джерела штучного інтелекту" - ви можете знайти цей матеріал нижче.

Прийняття MCP у різних галузях

Web3 та блокчейн

Web3 - це природне гаряче гніздо інновацій, яке швидко стає полігоном для тестування систем штучного інтелекту та методик. Те саме стосується MCP, яке посилює інтеграцію штучного інтелекту та блокчейну та відкриває шлях для інтелектуальних систем ефективно взаємодіяти з децентралізованими додатками, розблоковуючи нові ефективності в Web3, як це недавно було відзначено @aelfblockchain.

Є кілька захоплюючих проектів у екосистемі Web3, які нахиляються до MCP, вони включають:

@Arcdotfun- провідний фреймворк Rust для штучних інтелектуальних агентів у Web3 щойно оголосив Ryzome, універсальний магазин додатків для агентичного штучного інтелекту, що працює на основі MCP, який стандартизує комунікацію між штучними інтелектуальними агентами та цифровими сервісами. Це дозволяє штучним інтелектуальним агентам легко отримувати доступ до послуг Web 2 та Web 3 без складних інтеграцій.

@heurist_ai - децентралізований хмарний сервіс штучного інтелекту, випустив ряд інструментів, які доступні для MCP, наприклад, інтеграція для @getmasafiX дані.

Перевірте їх Github для детального огляду їхньогоагентська структура.

@UnifaiNetwork - стартап з мережею Web3 позиціонує себе як MCP для Web3, будуючи багатий набір відкритих плагінів MCP з такими можливостями, як платежі через гаманець, обміни, стратегії управління ліквідністю, ставки на основі штучного інтелекту та інше.

@StoryProtocolСвітовий IP-блокчейн також нещодавно оголосив про інтеграцію з MCP, щоб зробити доступним для штучних інтелектуальних агентів отримання інформації про транзакції, ліцензії, власність у їхньому екосистемі, а також дозволяючи агентам створювати та передавати IP.

Ці реалізації інноваційних команд у цій галузі дозволяють LLMs ефективно взаємодіяти з даними блокчейну в реальному часі, проводити аудити безпеки смарт-контрактів, відстежувати метрики токенів, а навіть забезпечувати проведення угод на ланцюжку з належними заходами безпеки.

Електронна комерція та роздрібна торгівля

У сфері електронної комерції та роздрібної торгівлі MCP трансформує спосіб підключення штучних інтелекту до джерел даних та інструментів, покращуючи як оперативну ефективність, так і враження клієнтів. Функції, такі як пошук продуктів, відстеження замовлень та рекомендації щодо цін, оптимізують операції та покращують загальний досвід покупок.

Ранні інтеграції MCP у цьому просторі включають в себе:

@Shopifyмагазиниінтеграція MCPлегко управляти продуктами, клієнтами, замовленнями та багатьма іншими за допомогою простих викликів API до їх Адмін API.

@blocksодин з провідних постачальників платежів використовувавMCP для створення відкритого розширюваного агента штучного інтелекту, на ім'я Гусь, який допомагає встановлювати, виконувати, редагувати та тестувати код з будь-яким LLM.

@WooCommerceвключеноСервери MCPдля поліпшення взаємодії з їхніми магазинами, надаючи комплексні інструменти для управління продуктами, замовленнями, клієнтами, доставкою, податками, знижками та налаштуванням магазину.

Enterprise B2B

У корпоративному секторі відбулось значне прийняття MCP для бізнес-операцій та робочих процесів. MCP був використаний у провідних корпоративних пропозиціях, включаючи:

@OpenAI інтегрував технологіющоб покращити стандартизовану комунікацію між агентами штучного інтелекту та зовнішніми системами, оптимізуючи робочі процеси підприємств та зменшуючи накладні витрати на розробку.

@Microsoft включеноMCP у продуктах, таких як Copilot Studio та семантичне ядро, що дозволяє розробникам підключатися безпосередньо до існуючих серверів знань та API. Дії та знання автоматично додаються до агента - і постійно оновлюються по мірі розвитку функціоналу.

@DatabricksприйнявMCPсервер, який підключається до їх API, дозволяючи LLM виконувати SQL-запити, перелічувати роботи та отримувати оновлений статус роботи.

Інструменти розробки та інженерії

Розробка програмного забезпечення була одним з перших і найбільш міцних прихильників MCP. Як відзначає NSHipster в останній статті, «Протокол мови сервера (LSP) революціонізував спосіб інтеграції мов програмування з інструментами розробника. Протокол контексту моделі (MCP) має на меті зробити те ж саме для нового покоління інструментів штучного інтелекту.

Деякі основні інструменти розробки та інженерії, які зараз підтримують інтеграцію MC, включають:

@zeddotdev @Replit @codeiumdev та@Sourcegraph співпрацює з MCщоб покращити свої платформи, дозволяючи агентам краще отримувати інформацію, щоб зрозуміти контекст навколо кодувального завдання, створюючи більш відтінений та функціональний код.

@github Сервери MCзабезпечувати безшовну інтеграцію з їх API, що дозволяє розширену автоматизацію та можливості взаємодії для розробників та інструментів.

Інтеграції IDE для аналізу кодуі покоління, перетворюючи штучний інтелект з пасивного асистента в активного, співпрацюючого партнера в процесі розробки програмного забезпечення.

Розширення досягнень та впливу MCP на системи штучного інтелекту

Швидке поширення MCP в різних галузях підкреслює його цінність як стандартизованого протоколу для взаємодії з інструментами штучного інтелекту. Спочатку це була ініціатива Anthropic, а тепер воно перетворилося на відкриту екосистему з тисячами серверів, побудованих спільнотою, та інтеграціями від провідних технологічних компаній. Недавно ми побачили величезний ріст доступності серверів MCP, понад 300 з них спеціально для штучного інтелекту, як показано @Sumanth_077нижче.

Під час зростання MCP ми спостерігаємо:

1. Спрощені інтеграції - заміна власних з'єднувачів стандартизованими інтерфейсами.
2. Підвищена безпека завдяки аутентифікації на рівні протоколу та контролю доступу.
3. Розквітаюча екосистема розробників, яка створює спеціалізовані інструменти та з'єднувачі.
4. Сумісність між різними моделями штучного інтелекту та додатками для різних платформ.

MCP прискорює потребу в координації рою агентів

Поки MCP вирішує проблему зв'язку між окремими агентами штучного інтелекту та джерелами даних, він не вирішує виклик координації між кількома спеціалізованими агентами. Ось де @TheoriqAIприходить.

Theoriq протягом останніх двох років підтримує використання агентських роїв (які ми називали колективами, поки не став популярним термін "рої") . При розробці протоколу Theoriq, децентралізованого, багатоагентного протоколу для фінансів, приведених до руху штучним інтелектом, ми закладаємо фундамент для агентів для спілкування, співпраці та виконання складних фінансових завдань. Ми вже виходимо з цього виклику вперед, будуючи рій Onchain Liquidity Provisioning (OLP), побудований на протоколі, який надає фінансову цінність екосистемі DeFi та її учасникам. Докладніше про це нижче.

Спеціалізовані агенти будуть продовжувати виходити на передній план і ставати ефективними в завданнях, для яких вони побудовані, і оскільки кожен з них використовує MC для доступу до даних, вони все ще будуть потребувати «рейків для зв'язку» один з одним. Додавання численних плагінів MC до загального агента буде менш ефективним, ніж наявність спеціалізованих агентів, які спілкуються через координований протокол.

Додавання MCP полегшує зв'язок агентів з зовнішніми джерелами, і додавання цієї можливості до того, над чим працює Theoriq, тільки збільшить можливості агентів.

Протокол Theoriq вирішує це виклик на наступному рівні шляхом:

1. Забезпечення комунікації між агентами - Поки MCP підключає агентів до джерел даних, Theoriq підключає агентів до інших агентів у спосіб, що мінімізує довіру, включаючи підтримку та тривалі комунікації. Важливо, що MCP дозволяє лише агентові ініціювати запити на інформацію, але Theoriq дозволяє агентам бути викликаними, коли стається важлива подія (наприклад, зміна на ринку або оголошення новин).
2. Забезпечення координаційних механізмів - Рої Theoriq дозволяють спеціалізованим агентам співпрацювати над складними завданнями, такими як забезпечення ліквідності - вони можуть спілкуватися мовою з багатим семантичним наповненням, тоді як MCP слідує традиційній парадигмі API з більш жорстко визначеними можливостями.
3. Встановлення економічних стимулів - На відміну від MCP, Theoriq використовує токеноміку та оплату для стимулювання внесків та участі високоякісних агентів фінансовими результатами.
4. Забезпечення взаємодії агента - архітектура Theoriq на ланцюгу/поза ланцюгом забезпечує безпечну, перевірену комунікацію агента поза тим, що пропонує MC.
5. Підтримка виявлення агентів та репутація - Theoriq дозволяє агентам виявляти один одного на основі можливостей та їх репутації, сприяючи більш ефективній співпраці.

MCP як Інструментальний Шар Агента, Theoriq як Шар Координації

Протокол контексту моделі виявився невід'ємною інфраструктурою, яка з'єднує моделі ШІ з даними та інструментами. Він стандартизує спосіб взаємодії агентів зовнішнім світом, роблячи спеціалізованих та здатних агентів все більш реальними та цінними.

Однак, оскільки ці спеціалізовані агенти розмножуються, зростає потреба у координації між ними. Theoriq заповнює цей критичний прогалину, забезпечуючи "рейки" для комунікації агента до агента, дозволяючи складним багатоагентним системам вирішувати складні виклики, такі як надання ліквідності на ланцюжку.

Поєднання MCP для зв'язку агент-світ та Theoriq для координації агент-агент створює потужну основу для зароджується агентної економіки. Ця синергія дозволяє досягти спеціалізованої відмінності, а не загального середнього рівня, вказуючи шлях до більш ефективної, здатної та мінімізованої до мінімуму довіри AI екосистеми. Ми передбачаємо, що всі провідні фреймворки штучного інтелекту в Web3 приймуть MCP, так само як і Rig це зробив. Працюючи спільно з цими фреймворками для інтеграції Theoriq для координації роїв, ми очікуємо, що як MCP, так і Theoriq збільшать свою вартість.

Відмова від відповідальності:

1. Ця стаття перепечатана з [ Ron Bodkin]. Усі авторські права належать оригінальному авторові [Рон Бодкін]. Якщо є заперечення до цього перепублікування, будь ласка, зв'яжіться з Gate Learnкоманда, і вони оперативно займуться цим.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, хто їх автор і не становлять жодної інвестиційної поради.
3. Команда Gate Learn перекладає статті на інші мови. Копіювання, поширення або плагіат перекладених статей заборонені, якщо не вказано інше.